IDENTIFIKASI POLA RUGAE PALATINA MENGGUNAKAN METODE WATERSHED DAN KNN
|
|
- Widyawati Kusnadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 IDENTIFIKASI POLA RUGAE PALATINA MENGGUNAKAN METODE WATERSHED DAN KNN Rosarila Dwi Jayanti 1), Bambang Hidayat 2), Suhardjo 3) 1),2) Teknik Telekomunikasi, Telkom University. Jl. Telekomunikasi No.1 Bandung 3) Fakultas Kedokteran Gigi Universitas Padjajaran. Jl. Sekeloa Selatan 1 Bandung rosariladwi@gmail.com Abstrak. Teknik identifikasi yang sudah ada pada umumnya yakni sidik jari dalam beberapa kondisi tidak dapat digunakan untuk melakukan identifikasi dikarenakan fisik individu yang sudah rusak. Maka dari itu dikembangkan metode identifikasi pada ilmu forensik Rugae Palatina. Penelitian Forensik Kedokteran Gigi ini dikembangkan oleh mahasiswa Telkom University berkolaborasi dengan tim riset dari dua institusi yaitu Universitas Padjajaran (Fakultas Kedokteran Gigi dan Fakultas Matematika dan Ilmu Pengetahuan Alam) dengan anggota tim riset yakni drg. Fahmi Oscandar, MKes., Sp.RKG.; drg. Yuti Malinda, MM., M.Kes.; Dr. Nina Djustiana, drg., M.Kes.; drg. Murnisari Dardjan, M.Kes.; drg. Hj. Nani Murniati, M.Kes.; Prof. Sudrajat Supian, MSc., Phd.; Dr. Ir. Bambang Hidayat, DEA. Pada penelitian ini dibuat suatu sistem yang dapat menentukan pola Rugae Palatina masing-masing individu menggunakan metode pengolahan citra digital sederhana. Dimana pola-pola yang sudah teridentifikasi akan dikembangkan menjadi identifikasi untuk individu. Proses pengolahan citra digital yang dirancang menggunakan metode Watershed untuk segmentasi citra, metode ini merupakan metode yang digunakan berdasarkan Region Margin. Sedangkan metode untuk klasifikasi menggunakan metode KNN dimana Algoritma K-NN menggunakan klasifikasi ketetanggaan sebagai nilai prediksi dari query instance yang baru. Hasil penelitian ini mendapatkan nilai akurasi yang paling baik yakni 83.33% dengan waktu komputasi selama detik. Kata kunci: Forensic, Rugae Palatina, Wathershed, K-Nearest Neighbor(K-NN). 1 Pendahuluan Indonesia merupakan Negara yang rentan terhadap bencana dan perubahan iklim. Dalam World Risk Report (2012) Indonesia menempati urutan 33 dari 173 negara yang memiliki World Risk Index (WRI) tinggi. Berbagai bencana alam yang terjadi yakni banjir dan erosi yang disebabkan oleh kenaikan muka air laut dan perubahan curah hujan. Indonesia juga berpotensi terjadinya peningkatan kejadian gelombang laut yang abnormal akibat pemanasan suhu air laut dan kebakaran hutan akibat naiknya temperature di Indonesia serta gunung meletus dan gempa bumi yang merenggut korban jiwa[1]. Potensi terjadinya bencana tersebut yang mendukung Indonesia harus memiliki cara untuk mengidentifikasi individu yang menjadi korban dalam bencana alam tersebut. Teknik identifikasi yang sudah ada pada umumnya yakni sidik jari dalam beberapa kondisi tidak dapat digunakan untuk melakukan identifikasi dikarenakan fisik individu yang sudah rusak. Maka dari itu dikembangkan metode identifikasi pada ilmu forensik Rugae Palatina. Penelitian Forensik Kedokteran Gigi ini dikembangkan oleh mahasiswa yakni Rosarila Dwi Jayanti, Tyassari Kusumaningsih, Nirmala Amirudin, Arifiana Satya Nastiti, Silvi Samberta, Abdiyan Nila Rezka, Shofi Annisa Fajrin dan Fathurahman Burhani berkolaborasi dengan tim riset dari dua institusi yaitu Universitas Padjajaran (Fakultas Kedokteran Gigi dan Fakultas Matematika dan Ilmu Pengetahuan Alam) dan Telkom University dengan anggota tim riset yakni drg. Fahmi Oscandar, MKes., Sp.RKG.; drg. Yuti Malinda, MM., M.Kes.; Dr. Nina Djustiana, drg., M.Kes.; drg. Murnisari Dardjan, M.Kes.; drg. Hj. Nani Murniati, M.Kes.; Prof. Sudrajat Supian, MSc., Phd.; Dr. Ir. Bambang Hidayat, DEA. B55.1
2 Gambar 1. Rugae Palatina Rugae Palatina bersifat unik dan individual yang tidak berubah oleh pengaruh usia pada setiap orang serta dapat digunakan untuk identifikasi individu. Selain itu, Rugae Palatina terlindungi oleh trauma karena berada didalam kepala dan terlindungi dari suhu yang tinggi oleh bantalan lemak pada mukosa bagian bukal. Rugae Palatina dapat dipelajari melalui jumlah, panjang, lokasi dan bentuknya. Rugae Palatina dalam ilmu kedokteran gigi, sudah dapat dicari parameternya (bentuk, arah, dan ukuran) dan sejumlah klasifikasi untuk menilai rugae palatina sedang dikembangkan. Penelitian menunjukan rugae palatina dapat diklasifikasikan berdasarkan ukuran, arah dan bentuk, beberapa diantaranya yaitu klasifikasi Lysell, klasifikasi Martin dos Santos, klasifikasi Carrea, Cormoy system, klasifikasi Trobo, dan klasifikasi Basauri (Shankar et al., 2012). Hanya saja, dalam pencarian parameter tersebut masih dilakukan dengan manual menggunakan cetakan gigi dari pasien, jangka, pensil, dan penggaris[2]. Dengan berdasarkan permasalahan diatas, penulis membuat sistem menggunakan matlab yang dapat mengidentifikasi pola-pola dari Rugae Palatina menggunakan pengolahan citra digital dengan metode Wathershed dan K-Nearest Neighbor. Pemilihan metode Watershed untuk segmentasi dibandingkan dengan metode lain dikarenakan Watershed bersifat region margin, membagi skala keabuan atau citra warna dalam region berbeda dengan mempresentasikan citra sebagai relief topografi, hal ini memudahkan untuk melakukan segmentasi karena objek yang ditinjau yakni rugae palatina memiliki warna yang sama [3]. Sedangkan pemilihan metode KNN untuk klasifikasi dibandingkan dengan metode lain yakni karena metode KNN lebih simple, lebih efektif untuk berbagai domain, mampu dalam jumlah besar dan waktu komputasi yang juga lebih singkat [4]. Dengan kelebihan metode tersebut maka dapat mempermudah tim Forensik dalam mencari parameter. 2 Pembahasan Dalam perancangan sistem ini dilakukan beberapa tahap yakni: Akuisisi Citra Preprocessing Segmentasi Citra Ekstraksi Ciri Klasifikasi 2.1 Akuisisi Citra Gambar 2. Diagram Blok Sistem Akuisisi citra atau proses masukan citra digital merupakan tahap untuk mendapatkan citra digital sebagai inputan pada sistem. Pada penelitian ini citra digital dalam bentuk jpeg. 2.2 Pre-Processing Preprocessing dilakukan untuk mempermudah sistem dalam mengenali sebuah objek atau benda. Pada proses ini dilakukan proses grayscale yakni mengubah citra digital awal yang berupa rgb dirubah menjadi grayscale. Setelah itu dilakukan proses filling dan opening. 2.3 Segmentasi Citra Menggunakan Watershed Pada sistem ini dilakukan proses segmentasi citra dengan menggunakan Watershed. Metode watershed membagi skala keabuan atau citra berwarna dalam region berbeda dengan merepresentasikan citra sebagai relief topografi. Analisis ini dijelaskan melalui metafora yang B55.2
3 didasarkan pada perilaku air dalam bentang alam. Ketika hujan, tetesan air jatuh di daerah yang berbeda, maka akan mengikuti permukaan yang menurun. Air akan berakhir di bagian bawah lembah sehingga untuk setiap lembah akan ada daerah yang semua air mengalir ke dalamnya. Ketika air yang naik dari dua lembah penampungan hendak bergabung, maka dibangun sebuah dam untuk mencegah penggabungan tersebut. Aliran air akan mencapai tingkat yang diinginkan dan berhenti mengalir ketika bagian atas dari dam terlihat. Tepi dam yang terlihat inilah yang menjadi batasan dan hasil dari segmen citra. Dengan anggapan bentuk topografi tersebut, maka didapatkan tiga macam titik yaitu: a. Titik yang merupakan daerah terendah. b. Titik yang merupakan tempat dimana jika setetes air dijatuhkan, maka air tersebut akan jatuh hingga ke sebuah posisi minimum tertentu. c. Titik yang merupakan tempat dimana jika air dijatuhkan, maka air tersebut mempunyai kemungkinan untuk jatuh ke salah satu posisi minimum (tidak pasti jatuh ke sebuah titik minimum, tetapi dapat jatuh ke titik minimum tertentu atau titik minimum yang lain). Untuk sekumpulan pixel yang memiliki nilai intensitas minimum tertentu dan memenuhi kondisi (b) akan disebut sebagai lembah penampungan (catchment basin), sedangkan sekumpulan pixel yang memenuhi kondisi (c) disebut sebagai garis watershed. Jadi segmentasi dengan metode watershed mempunyai tujuan untuk melakukan pencarian garis watershed.[3][5] 2.4 Ekstraksi Ciri Ekstraksi ciri pengambilan ciri yang didasarkan pada karakteristik dari histogram citra. Histogram menunjukkan probabilitas kemunculan nilai derajat keabuan piksel pada suatu citra. Dari nilai-nilai pada histogram yang dihasilkan, dapat dihitung beberapa ciri orde pertama [4]. 2.5 Klasifikasi Pada sistem ini klasifikasi dilakukan agar dapat mengidentifikasi pola dari citra Rugae Palatina menggunakan metode KNN. Algoritma metode K-NN sangatlah sederhana, bekerja berdasarkan jarak terpendek dari query instance ke training sample untuk menentukan K-NN-nya. Training sample diproyeksikan ke ruang berdimensi banyak, dimana masing-masing dimensi merepresentasikan fitur dari data. Ruang ini dibagi menjadi bagian-bagian berdasarkan klasifikasi training sample. Sebuah titik pada ruang ini ditandai kelac c jika kelas c merupakan klasifikasi yang paling banyak ditemui pada k buah tetangga terdekat dari titik tersebut. Dekat atau jauhnya tetangga biasanya dihitung berdasarkan Euclidean Distance. (1) dimana matriks D(a,b) adalah jarak skalar dari kedua vektor a dan b dari matriks dengan ukuran d dimensi[4]. 2.6 Analisis dan Hasil Simulasi Untuk mengetahui performansi dari sistem yang telah dirancang, maka diperlukan pengujian terhadap sistem dengan tingkat keberhasilan pada sistem yang diukur yakni Akurasi dan Waktu Komputasi. Akurasi merupakan ukuran ketepatan sistem dalam mengenali masukan yang diberikan sehingga menghasilkan keluaran yang benar. Sedangkan waktu komputasi adalah waktu yang dibutuhkan sistem untuk melakukan suatu proses Skenario 1 Pada Skenario 1 ini akan dilakukan perbandingan nilai k dengan nilai k=1, dan k=3 terhadap akurasi menggunakan ciri mean. Hasil yang ditunjukkan pada Gambar 3a. menghasilkan nilai akurasi terbesar dicapai pada data ke-4 dimana jumlah bentuk pola rugae yang terdeteksi benar sebanyak 5 objek dari B55.3
4 6 objek dan akurasi terkecil terjadi pada data ke-2. Sedangkan waktu komputasi, waktu tercepat dilakukan oleh data ke-1 dengan k=1 dangan kisaran detik, dan paling lama yakni data ke-2 dengan k=3 dengan kisaran detik hal ini terlihat pada Gambar 3b Skenario 2 Gambar 3. Hasil Skenario 1 (a) Akurasi (b) Waktu Komputasi Pada Skenario 2 ini akan dilakukan perbandingan nilai k=1 dan k=3 terhadap akurasi menggunakan ciri energy. Hasil akurasi dari skenario 2 ditunjukkan pada Gambar 4a menghasilkan akurasi tertinggi pada data ke-1 dengan nilai k=1, data ke-3 baik k=1 dan k=5 serta data ke-5 dengan k=1 dengan akurasi sebesar 66.67% dimana objek yang teridentifikai pada data ke-1 dengan k=1 dan data ke-3 yakni ada 4 objek dari 6 objek dan data ke-5 k=1 teridentifikasi 6 objek dari 9 objek dan hasil terendah didapat oleh data ke-4 baik k=1 dengan hasil 33.3% dimana objek yang dapat teridentifikasi hanya 2 dari 6 objek. Sedangkan Waktu komputasi yang dihasilkan yakni tertinggi dicapai oleh data ke-3 dengan k=1 dengan waktu komputasi sebesar dan terendah dihasilkan oleh data ke-1 dengan k=3 dengan nilai sekon Skenario 3 Gambar 4. Hasil Skenario 2 (a) Akurasi (b) Waktu Komputasi Pada skenario 3 ini akan dilakukan pengujian terhadap pengaruh nilai k=1 dan k=3 dengan menggunakan ciri sd. Hasil pengujian skenario 3 ini menghasilkan akurasi tertinggi pada data ke-1 dan data ke=5 dengan nilai akurasi sebesar 66.67% dengan data ke-1 teridentifikasi 4 objek dari 6 objek dan data ke-5 teridentifikasi 6 objek dari 9 objek. Sedangkan akurasi terendah diperoleh oleh data ke-3 dengan akurasi 33.3% dengan 2 objek saja yang dapat teridentifikasi dari 6 objek. Sedangkan waktu komputasi dilihat pada Gambar 6b menunjukkan waktu komputasi terbesar pada data ke-2 dengan waktu akurasi sebesar dan waktu komputasi terendah dihasilkan oleh data ke-1 dengan k=1 dengan waktu komputasi sebesar B55.4
5 3.3. Skenario Pola Gambar 5. Hasil Skenario 3 (a) Akurasi (b) Waktu Komputasi Pada skenario pola ini tidak akan dilakukan pengujian namun dilakukan perhitungan ulang terhadap akurasi yang dihitung per pola sesuai dengan hasil dari skenario 1, 2 maupun skenario 3. Gambar 6. Hasil Skenario Pola (a) dengan ciri mean (b) dengan ciri energy (c) dengan ciri sd Berdasarkan Gambar 6a. dapat dilihat bahwa akurasi per pola rugae menggunakan ciri mean ini menghasilkan akurasi sebesar 25%-100% dengan pola yang tidak terdeteksi oleh sistem yakni pola Anomaly. Akurasi tertinggi perpola yakni oleh Circle dan pola terendah yakni Angle, sedangkan akurasi per pola rugae menggunakan ciri energy menghasilkan akurasi sebesar 40%-83.33% dengan pola yang tidak terdeteksi oleh sistem yakni pola Anomaly dan Circle apabila menggunakan k=3. Akurasi per pola rugae tertinggi diperoleh oleh Curve dengan k=3 dengan nilai 83.33% dan pola terendah oleh Line dengan nilai 40%. Dan akurasi per pola rugae palatina menggunakan ciri sd menghasilkan akurasi sebesar % dengan pola yang tidak terdeteksi oleh sistem yakni pola Anomaly dan Bifurcated dan Point apabila menggunakan k=3. Hasil akurasi tertingi diperoleh oleh sinous dengan k=3 sebesar 100% dan pola dengan akurasi terendah yakni angle dan point dengan k=1 sebesar 25%. 3 Simpulan Kesimpulan pada penilitian ini yakni sebagai berikut : 1. Metode Watershed yang berjenis marker based watershed segmentation dan klasifikasi KNN dapat diterapkan dalam proses identifikasi pola Rugae Palatina namun perlu dilakukan analisis lagi, dengan metode yang lain karena Watershed memiliki sifat oversegmentasi. B55.5
6 2. Pada sistem ini bentuk pola Anomaly tidak teridentifikasi karena keterbatasan pada proses preprocessing dan perlunya penelitian lebih lanjut. Sedangkan pola trifurcated dan pola interrupt belum dapat teridentifikasi karena data latih yang kurang. 3. Ciri untuk mengidentifikasi pola rugae palatina yang menghasilkan akurasi terbaik yakni mean dengan nilai 83.3% namun lebih stabil akurasinya apabila menggunakan ciri energy walaupun akurasinya lebih rendah yakni 66.67% 4. Ciri untuk mengidentifikasi per pola rugae palatina yang menghasilkan akurasi terbaik dan stabil yakni dengan menggunakan ciri mean, dapat dilihat bahwa pola yang tidak teridentifikasi hanya pola Anomaly. Daftar Pustaka [1] Kementerian Pekerjaan Umum dan Perumahan Rakyat Arah dan Kebijakan Kementerian PUPR dalam Penanganan Bencana. Jakarta: Kementerian PUPR. [2] Nursamsi, Intan, Rancangan Rumus Sidik Rugae Palatina Subras Deuteromelayu di bidang Forensik Kedokteran Gigi, Universitas Padjajaran. Bandung :Universitas Padjajaran [3] Gunawan., Halim, Fandi., Wijaya, Erni., Vol.12, Perangkat Lunak Segmentasi Citra dengan Metode Watershed. STMIK Mikroskil [4] Solomon, Chris Fundamentals of Digital Image Processing-A Practical Approach with Examples in Matlab. USA: A John Wiley & Sons, INC [5] Aliya Azzahra, Mirrah Deteksi Pulpitis Melalui Segmentasi Citra Periapikal Radiograf Menggunakan Metode Watershed dengan Klasifikasi K-Nearest Neighbour. Bandung : Universitas Telkom. B55.6
Seminar Nasional Inovasi Dan Aplikasi Teknologi Di Industri 2017 ISSN ITN Malang, 4 Pebruari 2017
PENGENALAN INDIVIDU BERDASARKAN SIDIK RUGAE PALATINA DENGAN MENGGUNAKAN METODE SINGULAR VALUE DECOMPOSITION SEBAGAI PENGOLAH EKSTRAKSI CIRI DAN SUPPORT VECTOR MACHINE SEBAGAI KLASIFIKATOR Shofi Annisa
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar belakang Pada kasus korban bencana alam atau kecelakaan, sering ditemukan masalah dalam proses identifikasi, disebabkan
BAB 1 PENDAHULUAN 1.1 Latar belakang Pada kasus korban bencana alam atau kecelakaan, sering ditemukan masalah dalam proses identifikasi, disebabkan karena kondisi utama jenazah yang semakin tidak utuh
Lebih terperinciIdentification of Rugae Palatine Using Digital Image Processing Technique with Spatial Processing and Fuzzy Logic Classification
IDENTIFIKASI POLA RUGAE PALATINA MENGGUNAKAN TEKNIK PENGOLAHAN CITRA DIGITAL DENGAN PROSES SPASIAL DAN KLASIFIKASI FUZZY LOGIC Identification of Rugae Palatine Using Digital Image Processing Technique
Lebih terperinciISSN : e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 1971
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 1971 DETEKSI PULPITIS MELALUI SEGMENTASI CITRA PERIAPIKAL RADIOGRAF MENGGUNAKAN METODE WATERSHED DENGAN KLASIFIKASI K-NEAREST
Lebih terperinciPENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PULPITIS MENGGUNAKAN METODE WATERSHED
PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PULPITIS MENGGUNAKAN METODE WATERSHED Imam Abdul Hakim 1), Bambang Hidayat 2), Suhardjo 3) 1),2) Fakultas Teknik Elektro, Universitas Telkom Jl. Telekomunikasi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Semakin majunya zaman, semakin besar pula kebutuhan manusia untuk dipenuhi hingga semakin tingginya kebutuhan tersebut menyebabkan semakin tinggi pula tindak kejahatan
Lebih terperinciPENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH
PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH Rikko Ismail Hardianzah 1), Bambang Hidayat 2), Suhardjo 3) 1),2) Fakultas Teknik
Lebih terperinciPERANGKAT LUNAK SEGMENTASI CITRA DENGAN METODE WATERSHED
PERANGKAT LUNAK SEGMENTASI CITRA DENGAN METODE WATERSHED Gunawan 1, Fandi Halim 1, Erni Wijaya 2 STMIK Mikroskil Jl. Thamrin No. 112, 124, 140 Medan 20212 1 gunawan@mikroskil.ac.id, 1 fandi@mikroskil.ac.id,
Lebih terperinciDeteksi Kualitas Pemasangan Ubin Berbasis Ekstraksi Ciri Bunyi Dengan Klasifikasi K-Nearest Neighbor
Deteksi Kualitas Pemasangan Ubin Berbasis Ekstraksi Ciri Bunyi Dengan Klasifikasi K-Nearest Neighbor Regha Julian Pradhana 1,*, Bambang Hidayat 1, Ratri Dwi Atmaja 1 1 Fakultas Teknik Elektro, Universitas
Lebih terperinciSEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL
SEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL Andi Hendra 1 1 Jurusan Matematika MIPA Universitas Tadulako ABSTRAK Penelitian pengolahan
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka, berikut beberapa contoh penelitian telapak kaki yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai
Lebih terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
Lebih terperinciIDENTIFIKASI POLA RUGAE PALATINA MENGGUNAKAN GABOR WAVELET DAN DWT DENGAN METODE KLASIFIKASI ANN- BACKPROPAGATION
IDENTIFIKASI POLA RUGAE PALATINA MENGGUNAKAN GABOR WAVELET DAN DWT DENGAN METODE KLASIFIKASI ANN- BACKPROPAGATION Karyza Niken Siwi Maryanti 1), Bambang Hidayat 2), Yuti Malinda 3) 1) 2) Program Studi
Lebih terperinciAnalisis dan Simulasi Sistem Penilaian Kualitas Gaya Berjalan untuk Sekolah Model Berbasis Video Processing dengan Metode Variable Module Graph
Analisis dan Simulasi Sistem Penilaian Kualitas Gaya Berjalan untuk Sekolah Model Berbasis Video Processing dengan Metode Variable Module Graph Ines Visyeri Yuliani 1,*, Bambang Hidayat 1, Suci Aulia 2
Lebih terperincie-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 1645
e-proceeding of Engineering : Vol.3, No.2 Agustus 16 Page 1645 KLASIFIKASI JENIS KELAMIN MANUSIA MELALUI PENGOLAHAN CITRA DIGITAL SIDIK RUGAE PALATINA DENGAN MENGGUNAKAN METODE WAVELET TRANSFORM DAN K-NEAREST
Lebih terperinciApa itu is K-Nearest Neighbor (KNN) Algorithm?
K-Nearest Neighbor Pendahuluan K-Nearest Neighbour atau KNN adalah salah dari algoritma instance based learning atau case-based reasoning. Definisi case based reasoning: KNN digunakan dalam banyak aplikasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Bertambahnya jumlah mahasiswa dari tahun ke tahun di IT Telkom mengakibatkan semakin banyak buku buku Tugas Akhir yang dibuat. Dengan semakin banyaknya buku
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciDETEKSI CITRA GRANULOMA PADA RADIOGRAF PERIAPIKAL DENGAN METODE WATERSHED dan KLASIFIKASI SUPPORT VECTOR MACHINE
ISSN : 2355-9365 e-proceeding of Engineering : Vol.5, No.1 Maret 2018 Page 409 DETEKSI CITRA GRANULOMA PADA RADIOGRAF PERIAPIKAL DENGAN METODE WATERSHED dan KLASIFIKASI SUPPORT VECTOR MACHINE GRANULOMA
Lebih terperinciPENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT GRANULOMA DENGAN METODE MULTIWAVELET
PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT GRANULOMA DENGAN METODE MULTIWAVELET Vivi Oktaviani Damanik 1), Bambang Hidayat 2), Suhardjo 3) 1),2) Fakultas Teknik Elektro, Universitas Telkom
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Gigi merupakan bagian tubuh yang terdapat didalam mulut. Gigi manusia secara garis besar terdiri dari beberapa lapisan yaitu email, dentin, pulpa dan semen. Gigi yang
Lebih terperinciIDENTIFIKASI BIOMETRIK FINGER KNUCKLE PRINT MENGGUNAKAN FITUR EKSTRAKSI PCA DAN GLCM
1 IDENTIFIKASI BIOMETRIK FINGER KNUCKLE PRINT MENGGUNAKAN FITUR EKSTRAKSI DAN Ratna Dwi Jayanti A11.2011.05949 Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro, Jl.
Lebih terperinciKlasifikasi Mutu Telur Berdasarkan Kebersihan Kerabang Telur Menggunakan K-Nearest Neighbor
Klasifikasi Mutu Telur Berdasarkan Kebersihan Kerabang Telur Menggunakan K-Nearest Neighbor Puspa Rizky Trisnaningtyas 1, Maimunah 2 Program Studi Teknik Komputer Universitas Islam 45 Bekasi, Indonesia
Lebih terperinciBAB 1 PENDAHULUAN. 1 Universitas Telkom
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada dewasa ini, kehidupan manusia dengan aktivitasnya yang beraneka ragam. Maka manusia memerlukan kesehatan dan kebugaran dalam menjalani aktivitasnya tersebut. Mulut
Lebih terperinciPENGENALAN INDIVIDU BERDASARKAN POLA RUGAE PALATINA MENGGUNAKAN HISTOGRAM OF ORIENTED GRADIENTS DAN MULTI LAYER PERCEPTRON
PENGENALAN INDIVIDU BERDASARKAN POLA RUGAE PALATINA MENGGUNAKAN HISTOGRAM OF ORIENTED GRADIENTS DAN MULTI LAYER PERCEPTRON Artificial Intelligent and Its Application Abdiyan Nila Rezka 1), Bambang Hidayat
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Digital [3] Citra atau gambar didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y), di mana x dan y adalah koordinat bidang datar, dan harga fungsi f di setiap
Lebih terperinciPENGOLAHAN CITRA DETEKSI GRANULOMA MELALUI PERIAPICAL RADIOGRAF DENGAN METODE TRANSFORMASI DCT DAN LINIER DISCRIMINANT ANALYSIS BERBASIS ANDROID
PENGOLAHAN CITRA DETEKSI GRANULOMA MELALUI PERIAPICAL RADIOGRAF DENGAN METODE TRANSFORMASI DCT DAN LINIER DISCRIMINANT ANALYSIS BERBASIS ANDROID Image Processing Detection Of Granuloma Via Radiograph Periapical
Lebih terperinci1. Pendahuluan. 1.1 Latar belakang
1. Pendahuluan 1.1 Latar belakang Keamanan data pribadi merupakan salah satu hal terpenting bagi setiap orang yang hidup di era dimana Teknologi Informasi (TI) berkembang dengan sangat pesat. Setiap orang
Lebih terperinciPENGENALAN POLA BENTUK BUNGA MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS DAN K-NN
PENGENALAN POLA BENTUK BUNGA MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS DAN K-NN Herfina 1) 1) Program Studi Ilmu Komputer, FMIPA Universitas Pakuan Jl. Pakuan PO BOX 452, Ciheuleut Bogora email : herfinario@yahoo.com
Lebih terperinciIMPLEMENTASI K NEAREST NEIGHBOR (KNN) PADA KLASIFIKASI ARTIKEL WIKIPEDIA INDONESIA
IMPLEMENTASI K NEAREST NEIGHBOR (KNN) PADA KLASIFIKASI ARTIKEL WIKIPEDIA INDONESIA Erik Hardiyanto 1, Faisal Rahutomo 2, Dwi Puspitasari 3 Jurusan Teknologi Informasi, Program Studi Teknik Informatika,
Lebih terperinciKOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL
KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL Rudy Adipranata Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya. Telp. (031) 8439040
Lebih terperinciBAB 1 PENDAHULUAN. sistem analog menjadi sistem komputerisasi. Salah satunya adalah sistem
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan teknologi digital pada era ini berkembang sangat pesat. Hampir setiap tahun telah ditemukan ataupun dikembangkan sebuah inovasi teknologi baru.
Lebih terperinciPENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR
PENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Eko Subiyantoro, Yan Permana Agung Putra Program Studi Teknik
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Identifikasi Masalah Identifikasi permasalahan ini bahwasanya diambil dari sudut pandang masyarakat tentang objek (batik) yang dikenal dari segi pola dan gambar
Lebih terperinciISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 1638
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 1638 KLASIFIKASI JENIS BATUAN SEDIMEN BERDASARKAN TEKSTUR DENGAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX DAN K-NN Classification
Lebih terperinciPengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya
Pengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya 1 Hafidz Surahman 1, Aisyah Fuja 2, Ir.Rubandi 3, Willy 4 1,2 STMIK GI MDP; Jalan Rajawali No.14 Palembang,
Lebih terperinciTEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR
TEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR DWI ACHTI NOVIATUR R. 2208100656 Dosen Pembimbing : Dr. Ir. Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) PIE Problem Representasi Citra
Lebih terperinciPengenalan Plat Nomor Berdasarkan Klasikasi K-Nearest Neighbor (KNN)
Pengenalan Plat Nomor Berdasarkan Klasikasi K-Nearest Neighbor (KNN) Iman Ilmawan Muharam Manajemen Sistem Informasi Universitas Gunadarma Jl. Margonda Raya No. 100, Depok 16424, Jawa Barat ilmawan@sta.gunadarma.ac.id
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN SISTEM
BAB 3 ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Program Aplikasi Dalam proses identifikasi karakter pada plat nomor dan tipe kendaraan banyak menemui kendala. Masalah-masalah yang ditemui adalah proses
Lebih terperinciBAB 1 PENDAHULUAN. merupakan lipatan anatomik berupa garis jaringan ikat fibrous yang iregular dan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Rugae palatina atau disebut plicae palatinae transversae dan palatal rugae merupakan lipatan anatomik berupa garis jaringan ikat fibrous yang iregular dan asimetris
Lebih terperinciImplementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Implementasi Metode Watershed Transformation Dalam Segmentasi Tulisan Aksara Bali Berbasis Histogram Komang Budiarta,
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih terperinciDosen Program Studi Ilmu Komputer Universitas Pakuan Bogor
PENGENALAN KADAR TOTAL PADAT TERLARUT PADA BUAH BELIMBING BERDASAR CITRA RED-GREEN-BLUE MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS (PCA) SEBAGAI EKSTRAKSI CIRI DAN KLASIFIKASI K-NEAREST NEIGHBORHOOD (KNN)
Lebih terperinciOleh Yuli Wijayanti. Dosen Pembimbing : 1. Bilqis Amaliah, S.Kom, M.Kom 2. Anny Yuniarti, S.Kom, M.Com.Sc
Oleh Yuli Wijayanti Dosen Pembimbing : 1. Bilqis Amaliah, S.Kom, M.Kom 2. Anny Yuniarti, S.Kom, M.Com.Sc TEKNIK INFORMATIKA-ITS 26 JULI 2010 Latar Belakang Segmentasi gambar merupakan salah satu faktor
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciEstimasi Bobot Karkas Sapi Pedaging Menggunakan Metode Fraktal dan Klasifikasi K-Nearest Neighbor (KNN)
Estimasi Bobot Karkas Sapi Pedaging Menggunakan Metode Fraktal dan Klasifikasi K-Nearest Neighbor (KNN) 1. Putri Ragil Nilamsari, 2. Dr. Ir. Bambang Hidayat, DEA, 3. Prof. Dr. Ir. Sjafril Darana, S.U.
Lebih terperinciISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 1725
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 1725 DETEKSI KUALITAS DAN KESEGARAN TELUR AYAM BERBASIS DETEKSI OBJEK TRANSPARAN DENGAN METODE DISCRETE COSINE TRANSFORM (DCT)
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Pesatnya perkembangan teknologi saat ini menjadi umpan bagi para ahli untuk mencetuskan terobosan-terobosan baru berbasis teknologi canggih. Terobosan ini diciptakan
Lebih terperinciAbstrak. Kata kunci: Deteksi, Ekstraksi ciri, Google Earth, K-NN, RGB. Abstract
DETEKSI BANYAK BANGUNAN RUMAH MELALUI CITRA SATELIT GOOGLE EARTH BERBASIS PENGOLAHAN CITRA DIGITAL BUILDING COUNT DETECTION BY USING GOOGLE EARTH BASED ON DIGITAL IMAGE PROCESSING Listhyani Dhianira Sarie
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dunia kesehatan dewasa ini tidak bisa dipisahkan dengan teknologi yang terus berkembang. Pengembangan teknologi yang erat kaitannya dengan dunia kesehatan atau dunia
Lebih terperinciSTEGANALISIS CITRA DIGITAL BERBASIS DISCRETE COSINE TRANSFORM DENGAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR
STEGANALISIS CITRA DIGITAL BERBASIS DISCRETE COSINE TRANSFORM DENGAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR Sheira Banu Nasution 1), Bambang Hidayat 2), I Nyoman Apraz Ramatryana 3) 1),2),3 ) Teknik Telekomunikasi,
Lebih terperinciNurul Ilmi 1 1 Fakultas Informatika, Universitas Telkom, Bandung
Pengenalan Angka Tulisan Tangan dengan Menggunakan Local Binary Pattern Variance dan Klasifikasi K-Nearest Neighbour Handwriting Digit Recognition with Use Local Binary Pattern Variance and K-Nearest Neighbour
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka tentang identifikasi iris mata ataupun identifikasi citra digital sudah pernah dilakukan sebelumnya, berikut merupakan tabel perbandingan terhadap
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dewasa ini, pencemaran lingkungan sangat memprihatinkan, hal ini membuat balita sangat rentan terhadap serangan penyakit, terutama penyakit pencernaan. Salah satu penyakit
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
Lebih terperinciAPLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
APLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu
Lebih terperinciJl. Nakula 1 No. 5-11, Jawa Tengah Telp : (024) , 2
PERBANDINGAN ALGORITMA PERHITUNGAN JARAK MENGGUNAKAN ECUILDEAN DAN MANHATTAN DISTANCE PADA K-NEAREST NEIGHBOR GUNA KLASIFIKASI CITRA JENIS MOBIL RODA EMPAT Erlangga Fery Anggriwan 1,DR. Pulung Nurtantio
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Kesehatan jasmani merupakan aspek penting yang harus dijaga. Sebagai contoh yaitu kesehatan gigi dan mulut. Gigi sangat berperan dalam mencerna secara mekanik
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D
30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam
Lebih terperinciPERANCANGAN DAN SIMULASI IMAGE RETREIVAL MENGGUNAKAN METODE COLOR HISTOGRAM, GREY LEVEL CO-OCCURRENCE MATRIX DAN KNN (Design and Simulation of Image Retreival Using Color Histogram, Grey Level Co-Occurrence
Lebih terperinciPengolahan Citra untuk Bidang Pertanian(Menentukan Kematangan Buah) Oleh Nama:Wahyu Abid A. NRP : Kelas :2D4 IT(B)
Pengolahan Citra untuk Bidang Pertanian(Menentukan Kematangan Buah) Oleh Nama:Wahyu Abid A. NRP :2110151042 Kelas :2D4 IT(B) Latar Belakang Buah pisang dan alpukat sangatlah familiar dengan warga asia,
Lebih terperinciPENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT GRANULOMA DENGAN METODE MULTIWAVELET BERBASIS ANDROID
PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT GRANULOMA DENGAN METODE MULTIWAVELET BERBASIS ANDROID Image Processing Of Periapical Radiograph On Granuloma Diseases Detection Using Multiwavelet
Lebih terperinciARTIKEL APLIKASI KLASIFIKASI JENIS JENIS BUAH JERUK MENGGUNAKAN METODE K-NEAREST NEIGHBOR
ARTIKEL APLIKASI KLASIFIKASI JENIS JENIS BUAH JERUK MENGGUNAKAN METODE K-NEAREST NEIGHBOR Oleh: RIDHO ARY SUMARNO 13.1.03.02.0092 Dibimbing oleh : 1. Hermin Istiasih M.T., M.M. 2. Mochammad Bilal S.kom.,
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR
ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciPENGOLAHAN CITRA DIGITAL UNTUK MENGKLASIFIKASI GOLONGAN KENDARAAN DENGAN METODE PARAMETER DASAR GEOMETRIK
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 115 PENGOLAHAN CITRA DIGITAL UNTUK MENGKLASIFIKASI GOLONGAN KENDARAAN DENGAN METODE PARAMETER DASAR GEOMETRIK (IMAGE PROCESSING
Lebih terperinciSISTEM PENGENAL ARAH PANDANG MATA PADA PENGENDARA MOBIL
SISTEM PENGENAL ARAH PANDANG MATA PADA PENGENDARA MOBIL Deny Christian, Ivanna K. Timotius, Iwan Setyawan SISTEM PENGENAL ARAH PANDANG MATA PADA PENGENDARA MOBIL Deny Christian 1, Ivanna K. Timotius 2,
Lebih terperinciISSN : e-proceeding of Engineering : Vol.5, No.1 Maret 2018 Page 578
ISSN : - e-proceeding of Engineering : Vol., No. Maret 2 Page 7 KLASIFIKASI KANKER USUS BESAR MENGGUNAKAN METODE K-NEAREST NEIGHBOR (K-NN) Classification of Colon Cancer Using K-Nearesr Neighbor (K-NN)
Lebih terperinciLEMBAR PENGESAHAN TUGAS AKHIR...
DAFTAR ISI HALAMAN SAMPUL... i HALAMAN JUDUL... ii PERNYATAAN... iii LEMBAR PENGESAHAN TUGAS AKHIR... iv BERITA ACARA TUGAS AKHIR... v KATA PENGANTAR... vi ABSTRAK... vii ABSTRACT... viii DAFTAR ISI...
Lebih terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Batik Besurek 2.1.1 Sejarah Batik Besurek Bengkulu Kain Batik Besurek merupakan salah satu bentuk batik hasil kerajinan tradisional daerah Bengkulu yang telah diwariskan dari
Lebih terperinciEKSTRAKSI CIRI CITRA DIGITAL X-RAY PARU DIAGNOSIS TUBERKULOSIS BERBASIS METODE STATISTIS
EKSTRAKSI CIRI CITRA DIGITAL X-RAY PARU DIAGNOSIS TUBERKULOSIS BERBASIS METODE STATISTIS Yudhi Agussationo Yogyakarta, 55281. Indonesia agussationoyudhi@yahoo.com Indah Soesanti Yogyakarta, 55281. Indonesia
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dental radiology memiliki peranan yang penting dalam menentukan perawatan dan diagnosa gigi. Penggunaan sinar rontgen telah lama di kenal sebagai suatu alat dalam bidang
Lebih terperinciPENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS DENGAN METODE SVD (SINGULAR VALUE DECOMPOSITION) BERBASIS ANDROID
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 225 PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS DENGAN METODE SVD (SINGULAR VALUE DECOMPOSITION) BERBASIS
Lebih terperinciSEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD
SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad
Lebih terperinciBAB IV HASIL DAN ANALISIS
BAB IV HASIL DAN ANALISIS 4.1 Hasil Segmentasi Dari beberapa kombinasi scale parameter yang digunakan untuk mendapatkan segmentasi terbaik, untuk mengklasifikasikan citra pada penelitian ini hanya mengambil
Lebih terperinciSISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE
SISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE Bagus Aditya *), Achmad Hidayatno, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas Diponegoro Semarang
Lebih terperinci100% Akurasi = (11) Lingkungan Pengembangan
Algoritme Dekomposisi Wavelet Dekomposisi wavelet Haar dapat dijelaskan sebagai berikut : 1 Transformasi linear digunakan untuk mengubah ruang warna secara linear menjadi warna dasar. Karena citra yang
Lebih terperinciPENGENALAN SESEORANG MENGGUNAKAN CITRA GARIS TANGAN
PENGENALAN SESEORANG MENGGUNAKAN CITRA GARIS TANGAN Bagus Fadzerie Robby 1), Resty Wulanningrum 2) 1), 2) Universitas Nusantara PGRI Kediri 1), 2) Jl. KH. Achmad Dahlan 76, Kediri, Jawa Timur 64112 Email
Lebih terperinciPERBANDINGAN KINERJA EKSTRAKSI FITUR TINGKAT RENDAH MENGGUNAKAN METODE
PERBANDINGAN KINERJA EKSTRAKSI FITUR TINGKAT RENDAH MENGGUNAKAN METODE Gray Level Co-occurrence Matrix (GLCM) dan GABOR FILTER DALAM PENGENALAN MOTIF BATIK OLEH : ANUGRAH SURADIPURWO NIM : 41508110061
Lebih terperinciBAB I PENDAHULUAN. Pada zaman sekarang ini bagi sebagian masyarakat kendaraan bermotor
BAB I PENDAHULUAN 1.1 Latar Belakang Pada zaman sekarang ini bagi sebagian masyarakat kendaraan bermotor jenis mobil ataupun sepeda motor tidak lagi menjadi kebutuhan sekunder, melainkan telah menjadi
Lebih terperinciPENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PULPITIS IRREVERSIBEL DAN REVERSIBEL MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA)
PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PULPITIS IRREVERSIBEL DAN REVERSIBEL MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DAN WATERSHED BERBASIS ANDROID Periapical Radiograph Image
Lebih terperinciPENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING
Powered by TCPDF (www.tcpdf.org) PENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING Muhammad Hanif Dwiadi¹, Sofia Naning Hertiana², Gelar Budiman³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Pada saat ini pengamatan atau pemantauan suatu kondisi tempat ataupun ruangan melalui video sudah banyak diterapkan. Pengembangan dari sistem pengamatan berbasis video
Lebih terperinciFERY ANDRIYANTO
SISTEM ANALISA IMAGE PROCESSING UNTUK MENCARI KEMIRIPAN PADA TEKSTUR WARNA KULIT MANUSIA MENGGUNAKAN HISTOGRAM WARNA SKRIPSI Oleh : FERY ANDRIYANTO 0734010123 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Penelitian mengenai pengenalan wajah termotivasi oleh banyaknya aplikasi praktis yang diperlukan dalam identifikasi wajah. Pengenalan wajah sebagai salah satu dari teknologi
Lebih terperinciSegmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan
Segmentasi Citra Berwarna Menggunakan Deteksi Tepi dan Fuzzy C-Means yang Dimodifikasi Berdasarkan Informasi Ketetanggaan Septi Wulansari (5109100175) Pembimbing I: Prof. Ir. Handayani Tjandrasa, M.Sc.,
Lebih terperinciPerancangan Konversi Braille Ke Teks Berbasis Android
Perancangan Konversi Braille Ke Teks Berbasis Android Intan Sulviyani 1, Ledya Novamizanti 2, Ratri Dwi Atmaja 3 Teknik Telekomunikasi, Telkom University 1,2,3 intansviany@gmail.com Abstrak Komunikasi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini menggunakan jenis penelitian eksperimen, dengan tahapan penelitian sebagai berikut: 3.1 Pengumpulan Data Tahap ini merupakan langkah awal dari penelitian. Dataset
Lebih terperinciPERBANDINGAN ALGORITMA TEMPLATE MATCHING DAN FEATURE EXTRACTION PADA OPTICAL CHARACTER RECOGNITION
Jurnal Komputer dan Informatika (KOMPUTA) 29 PERBANDINGAN ALGORITMA TEMPLATE MATCHING DAN FEATURE EXTRACTION PADA OPTICAL CHARACTER RECOGNITION Raden Sofian Bahri 1, Irfan Maliki 2 1,2 Program Studi Teknik
Lebih terperinciBAB I PENDAHULUAN. Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali
BAB I PENDAHULUAN 1.1. Latar Belakang Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali objek 3 dimensi. Sistem penglihatan manusia dapat membedakan berbagai macam objek 3 dimensi
Lebih terperinciPerancangan Deteksi Citra USG Kepala Janin untuk mencari Biparetal Diameter dan Head Circumference
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Deteksi Citra USG Kepala Janin untuk mencari Biparetal Diameter dan Head Circumference Putu Desiana Wulaning
Lebih terperinciPENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH BERBASIS ANDROID
PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH BERBASIS ANDROID IMAGE PROCESSING OF PERIAPICAL RADIOGRAPH ON PULPITIS DETECTION
Lebih terperinciPENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
PENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS Sinar Monika 1, Abdul Rakhman 1, Lindawati 1 1 Program Studi Teknik Telekomunikasi, Jurusan
Lebih terperinci1. PENDAHULUAN Bidang perindustrian merupakan salah satu bidang yang juga banyak menggunakan kecanggihan teknologi, walaupun pada beberapa bagian, mas
PENGKLASIFIKASIAN KUALITAS KERAMIK BERDASARKAN EKSTRAKSI FITUR TEKSTUR STATISTIK Yogi Febrianto yoefanto@gmail.com Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Jenis kelainan pada tulang punggung manusia bermacam-macam, bergantung pada faktor umur, kebiasaan, dan kecelakaan/virusbakteri. Skoliosis adalah kelainan tulang belakang
Lebih terperinci